Evaluación de nuevas funcionalidades de red para Smart Grids

Comunicación presentada al III Congreso Smart Grids:

Autores

Laura Giménez de Urtasun, Directora Estudios de Red y Smart Grids, Área de Redes y Subestaciones, Fundación CIRCE.

Samuel Borroy Vicente, Director de Área de Redes y Subestaciones, Fundación CIRCE.

Noemí Galán Hernández, Investigadora del Grupo de Estudios de Red y Smart Grids, Área de Redes y Subestaciones, Fundación CIRCE.

Resumen

Con la llegada de las Smart Grids, muchos proyectos de investigación y demostración han visto la luz para involucrar al sistema eléctrico en la implementación de los avances en tecnologías de la información y comunicación, con el objetivo de mejorar la eficiencia de la red, su fiabilidad y seguridad e incrementar la calidad del servicio. Antes de llevar a cabo nuevas implementaciones, los resultados de proyectos previos deben ser considerados. Este trabajo presenta la metodología, resultados y conclusiones de la evaluación de funcionalidades de Smart Grids desarrolladas por 5 DSOs diferentes durante el proyecto DISCERN, con el objetivo de seleccionar las soluciones óptimas, y con mayor potencial de replicabilidad para el desarrollo estratégico de la inteligencia de las redes de media y baja tensión.

Palabras clave

Smart Grid, Fiabilidad, TIEPI, KPIs, Simulación

Introducción

El actual reto de las compañías distribuidoras y operadoras del sistema eléctrico es adaptar sus operaciones de red y su negocio a los nuevos desarrollos tecnológicos y las soluciones para las redes eléctricas (Gaudó, M. et. al, 2014). Estos avances aparecen como una posible solución a los actuales problemas como el aumento de la demanda y del uso de los generadores distribuidos, a la vez que permiten alcanzar los objetivos europeos para 2020 sobre reducción del consumo de energía primaria, aumento de energías renovables y reducción de las emisiones de CO2.

Por ello, muchos proyectos de demostración de las tecnologías en Smart Grids han visto la luz en los últimos años impulsados por las compañías distribuidoras, que están deseando probar las nuevas implementaciones en tecnologías de la información y comunicaciones en un área controlada, y poder ver cómo se pueden cumplir los objetivos de mejora de la eficiencia de la red, su fiabilidad y seguridad, y calidad de suministro.

Estos proyectos de demostración conllevan una alta inversión y esfuerzo y por lo tanto es razonable pensar que sus conclusiones y resultados pueden ser de utilidad para otras distribuidoras eléctricas. Pero también es importante tener en cuenta que cada red tiene sus propias características, por lo que usar una solución particular en otra localización no tiene por qué ser directo. Esta es la principal razón por la que aparecen proyectos colaborativos entre compañías eléctricas a muchos niveles, como los proyectos PRICE o RedActiva (en España) o a nivel europeo, con proyectos como DISCERN, Grid4EU ó BestPaths, entre muchos otros.

Aparte de contribuir con diferentes demostradores y recoger los resultados de explotación de estos demostradores, lo que todos estos proyectos tienen en común es que necesitan una metodología de evaluación de los resultados técnicos y económicos para poder estudiar la replicabilidad y escalabilidad de las soluciones propuestas, entendiendo el término replicabilidad como la posibilidad de utilizar un desarrollo de una localización concreta a otra red totalmente diferente, y la escalabilidad como la posibilidad de expandir la implementación de una localización concreta a un área de red mucho más amplia.

Una herramienta muy importante para la evaluación de las funcionalidades de Smart Grid es la definición de los objetivos que cualquier nueva implementación debe buscar, y cómo esos objetivos serán medidos a través de los Indicadores clave de cumplimiento, o más conocidos en inglés como los “Key Performance Indicators”, KPIs. Estos indicadores están definidos para el ámbito eléctrico de forma general y estandarizada por la agencia europea “European Electricity Grid Initiative”, EEGI, que a través de tres niveles de KPIs cubre la evaluación de cualquier nueva implementación desde el punto de vista de los resultados técnicos y de su relación con los objetivos marcados.

La simulación juega un papel crucial en este tipo de proyectos, puesto que permite evaluar las tecnologías estudiadas y probadas en demostradores en otras redes en las que la implementación real no ha sido llevada a cabo todavía evaluando de esta manera replicabilidad, o evaluar la escabalidad de una solución probada a nivel de laboratorio o demostrador a gran escala en una red mucho más amplia. Las simulaciones además permiten evaluar diferentes niveles de implementación de una tecnología, y comprobar su funcionamiento ante situaciones que no pueden reproducirse en un laboratorio o un demostrador de manera controlada.

Bajo este marco, el presente trabajo presenta la metodología seguida en el proyecto DISCERN para evaluar las funcionalidades de Smart Grids que diferentes compañías distribuidoras, DSOs, habían probado en sus propios demostradores con el objetivo de seleccionar las soluciones óptimas, más beneficiosas y con mayor posibilidad de ser replicadas en la red de distribución de media, MT, y baja tensión, BT. El artículo se estructura presentando tras esta introducción las funcionalidades probadas en la sección 2; los métodos y conceptos aplicados en la tarea de simulación en la sección 3; los resultados más significativos en la sección 4 y finalmente en la sección 5 se exponen las conclusiones.

Funcionalidades de Smart Grid probadas por simulación

A continuación, se muestran y describen algunas de las funcionalidades de Smart Grid estudiadas en el proyecto DISCERN.

Mejora de la monitorización y control de la red de MT

El objetivo de las simulaciones llevadas a cabo para esta funcionalidad es analizar diferentes niveles de supervisión y automatización y su impacto en la detección y aislamiento de faltas en la red de distribución. Los diferentes procedimientos y tecnologías analizados son los siguientes:

• Básico: En este nivel la información que recibe el centro de control, CC, es el disparo del interruptor de cabecera de la línea de MT y no se considera que haya telecontrol, TC.
• Actual: Esta situación considera un bajo nivel de TC, que es el que se encuentra normalmente en las líneas de los proyectos de demostración, aunque cada red tiene un nivel inicial de automatización diferente.
• Indicadores de paso de falta, IPF: Se considera que esta tecnología se instala en varios de los centros de transformación de la línea para poder mandar información que sirva para localizar una falta en el sistema.
• Localizador de faltas, LF: Esta tecnología se instala en la subestación de cabecera de la línea, y calcula la localización de la falta a lo largo de la línea.

Además, se consideran tres niveles de automatización: 5%, 10% y 20% de los CT estarán automatizados. Lo que implica tener TC y equipos que puedan aportar información para la localización de la red instalados en esos CT (en el caso del localizador de faltas, únicamente sería necesaria su instalación en la subestación de cabecera, pero la automatización del CT sí que supondría una diferencia a la hora de despejar la falta).

Cálculo y separación de pérdidas técnicas y no técnicas

El objetivo de las simulaciones llevadas a cabo para esta funcionalidad era comprobar la influencia de los diferentes niveles de supervisión en el nivel de la red de BT para el cálculo de las pérdidas técnicas y no técnicas. La supervisión se lleva a cabo normalmente a través de los smart meters, SM, instalados en el cliente, pero se quiere analizar la mejora en los cálculos contando con un número mayor de medidas a lo largo de la red de BT. Los diferentes niveles de supervisión que se han considerado son:

• Supervisión a nivel de circuito: En la que el área de cálculo es todo el circuito de alimentación tras la subestación principal. Contando con toda la energía de entrada desde la subestación y restándole las medidas de los medidores instalados a los clientes.
• Supervisión a nivel de línea: En la que el área de cálculo se considera desde el centro de transformación, CT. Contando con toda la energía de entrada desde el CT y restándole las medidas de los SM.
• Supervisión en áreas más pequeñas: Para áreas especiales se podría considerar la posibilidad de instalar supervisores intermedios en las líneas para reducir las áreas de control y poder tener una estimación más exacta de dónde se producen las pérdidas.

Además de estas consideraciones se ha tenido en cuenta: un nivel de pérdidas no técnicas fijo, ajustado al 5% de las pérdidas totales de energía (A pesar de que este valor no es real, se utiliza para determinar la exactitud de las estimaciones del cálculo); diferentes concentraciones de las pérdidas no técnicas; y el efecto que el desequilibrio de fases puede tener sobre las pérdidas. En la Figura 1 puede verse el esquema de los diferentes niveles de supervisión planteados para el cálculo.

Métodos y conceptos usados en la simulación

Algunos de los métodos y conceptos más interesantes planteados para las simulaciones se explican a continuación:

Redes de referencia

De cara a poder comprar las diferentes soluciones de las compañías teniendo unas mismas condiciones de contorno se establecen dos redes de referencia, una en MT (Styczynski, Z.A. et al., 2006) y otra en BT (Papathanassiou, S. et al., 2005), que se aplican según sea necesario para la funcionalidad. Estas redes fueron seleccionadas de CIGRE y adecuadas para asegurar que los resultados fueran válidos para la mayoría de las redes de distribución europeas.

Comunicaciones

Las comunicaciones son una parte importante de las soluciones aportadas por el proyecto DISCERN dado que los actuales procedimientos de operación tienden a no confiar en exceso en ellas. Por ello, durante el trabajo de simulación se estudiaron los efectos que una operación incorrecta de las comunicaciones podía conllevar:

• Latencia: estudia el efecto de los retrasos en las comunicaciones al mandar órdenes o intercambiar información entre equipos. Este efecto se considera desagregando todos los tiempos de actuación en los procedimientos, y de esta manera contabilizando todos los posibles retrasos.
• Pérdida de comunicaciones: estudia el efecto de una pérdida parcial o total de las comunicaciones durante el proceso de restauración de una localización y restauración de una falta. Se considera que, en los procedimientos más dependientes de las comunicaciones, con tecnologías IPF y LF, una pérdida de comunicaciones implicaría iniciar al procedimiento básico, para seguir con el procedimiento sin depender de las comunicaciones.

Ocurrencia fortuita de faltas

En algunas de las funcionalidades es importante tener en cuenta la naturaleza fortuita de las faltas. Esto hace que en un demostrador las medidas reales de KPIs como el TIEPI no sean un valor que pueda tenerse en cuenta para ver las mejoras en el sistema, debido a la limitación del área considerada y del tiempo de registro. Este tipo de valores dependen altamente de fenómenos no estimables, como tormentas ó accidentes, y que sólo en redes grandes y teniendo en cuenta registros de varios años, pueden dar resultados fiables (Haakana, J. et. al, 2010).

Además, hay que tener en cuenta que el tiempo total de restauración del servicio ante una falta depende no sólo de la tecnología usada, sino también de la localización de la falta, ya que según el procedimiento aplicado, una falta cercana al comienzo de la línea se despejará antes que una en un punto intermedio.

Para poder tener en cuenta todos estos factores, y obtener un valor de KPI al que no le afectasen, a través de las simulaciones se plantea evaluar el efecto que tiene sobre el KPI aplicar una falta a cada tramo de la red considerada, y que el número total de faltas aplicadas impusiese el tamaño total de la red a considerar en la que se incluyese la red de referencia o del socio, para que en el tiempo analizado el número de faltas de todo el sistema fuera un número de faltas acorde a la realidad, y con la misma probabilidad de ocurrencia de faltas que en una red de distribución normal.

Resultados más significativos

Mejora de la monitorización y control de la red de MT

Los resultados obtenidos para esta simulación se dan para el KPI TIEPI, que no sólo considera el tiempo de restauración de la falta si no también la carga que deja de suministrarse en cada momento del procedimiento.

Tal y como se ha comentado, los resultados se muestran para los niveles de automatización del 5, 10 y 20% de las tecnologías IPF y LF, comparándolos con los procedimientos básico y actual.

De estos resultados se concluye que las nuevas tecnologías y su mayor grado de despliegue mejoran las situaciones previas. Aun así, es necesario un análisis coste beneficio para poder determinar cuál es la tecnología y el grado de implementación que resulta en una mayor rentabilidad dados los beneficios que reporta.

Cálculo y separación de pérdidas técnicas y no técnicas

Los resultados obtenidos para esta simulación se dan para tres KPIs, pérdidas técnicas identificadas (% respecto a la energía total entregada), potencial de reducción de pérdidas técnicas con cargas equilibradas (% respecto a las pérdidas técnicas del escenario actual) y pérdidas no técnicas identificadas (% respecto a la energía total entregada).

 

De estos resultados se concluye que:

• Las pérdidas técnicas se reducen considerablemente al equilibrar las cargas en las fases.
• Al reducir las áreas de cálculo se reduce el error de estimación de las pérdidas también lo hace.
• La diferencia entre considerar las pérdidas no técnicas como concentradas o uniformemente distribuidas es mínima.

Al igual que en la anterior funcionalidad, es necesario un análisis coste beneficio para poder determinar cuál es el grado de implementación que resulta en una mayor rentabilidad dados los beneficios que reporta.

Conclusiones

Además de las conclusiones que pueden extraerse de cada una de las funcionalidades simuladas durante el proyecto DISCERN, se obtuvieron las siguientes conclusiones generales en la tarea de simulación:

• A través de los KPIs puede evaluarse las diferentes tecnologías para cada funcionalidad específica, pero siempre que esta se haga dentro de las mismas condiciones de contorno, es decir, en la misma red. No es posible comparar directamente diferentes implementaciones en diferentes localizaciones, pues cada red tiene sus particularidades que deben ser tenidas en cuenta.
• A través de las simulaciones pueden explorarse muchas más posibilidades que las probadas en campo, evitando una inversión mucho mayor en pruebas de diferentes grados de implementación, además de poder probar situaciones que en campo serían muy difíciles o tediosas de reproducir.
• Gracias a la simulación de las mismas condiciones que existen en campo, pueden validarse los resultados obtenidos gracias a la comparación con los resultados de las medidas de campo, y de esta manera poder considerar los resultados de simulación para otros grados de implementación.
• El uso de las redes de referencia facilita la comparación de las tecnologías desvinculándolas de condiciones concretas, y permitiendo hacer válidos los resultados para la mayoría de las redes de distribución europeas.

Agradecimientos

Los autores quieren expresar su agradecimiento a Iberdrola Distribución, RWE Deutschland Aktienfesellschaft, Southern Electric Power Distribution PLC, Unión Fenosa Distribución y Vattenfall Research and Development AB por su contribución y valiosos comentarios en el contexto de los proyectos PRICE-RED y DISCERN.

Referencias

• Gaudó, M; R. González; S. Borroy; L. Giménez de Urtasun; S. Martín; M. García Gracia; 2014, Smart grid technologies evaluation through KPIs. Proceedings CIRED Conference, Rome, Italy 11-12 June 2014, 0398.
• Haakana, J.; Lassila, J.; Kaipia T.; Partanen, J.; 2010, Comparison of Reliability Indices From the Perspective of Network Automation Devices, IEEE Transactions on Power Delivery, vol.25, 1547-1555
• Papathanassiou, S.; Hatziargyriou, N.; Strunz, K., 2005, A benchmark low voltage microgrid network, Power Systems with dispersed generation: technologies, impacts on development, operation and performances, CIGRE Symposium, Athens, Greece, April 2005.
• Styczynski, Z.A.; Orths, A.; Rudion, K.; Lebioda, A.; Ruhle, O., 2006, Benchmark for an Electric Distribution System with Dispersed Energy Resources, Transmission and Distribution Conference and Exhibition, 2005/2006 IEEE PES, pp.314-320, 21-24.